障碍物检测方法、应用于车辆的障碍物检测设备技术

本发明专利技术提供一种障碍物检测方法、应用于车辆的障碍物检测设备。该方法包括：根据雷达传感器获取的点云数据和图像传感器采集的图像信息，确定目标点云数据；分别对目标点云数据和图像信息进行障碍物识别，得到目标点云数据对应的第一障碍物信息和图像信息对应的第二障碍物信息；将第一障碍物信息与第二障碍物信息进行障碍物融合，确定目标障碍物。本发明专利技术能够提高目标障碍物的检测精度。够提高目标障碍物的检测精度。够提高目标障碍物的检测精度。

【技术实现步骤摘要】
障碍物检测方法、应用于车辆的障碍物检测设备


[0001]本专利技术涉及自动驾驶
，尤其涉及一种障碍物检测方法、应用于车辆的障碍物检测设备。

技术介绍

[0002]自动驾驶汽车可以提供更高的安全性、生产率和交通率，将在未来城市交通系统中担任重要角色。在大多数自动驾驶场景或者辅助驾驶场景中，周围环境感知是一项至关重要的任务，而单一传感器在环境感知中存在不同的劣势，因此，多传感器融合成为提升感知系统效果的必要手段。
[0003]目前，一般采用多传感器融合方法进行障碍物检测，即数据级融合的障碍物检测方法。数据级融合的障碍物检测方法是将所有原始数据传输到处理器中进行数据处理，以确定障碍物。
[0004]但是，上述数据级融合的障碍物检测方法存在障碍物检测精度低的问题。

技术实现思路

[0005]本专利技术实施例提供了一种障碍物检测方法、应用于车辆的障碍物检测设备，以解决现有技术检测方法存在障碍物检测精度低的问题。
[0006]第一方面，本专利技术实施例提供了一种障碍物检测方法，包括：
[0007]根据雷达传感器获取的点云数据和图像传感器采集的图像信息，确定目标点云数据；
[0008]分别对目标点云数据和图像信息进行障碍物识别，得到目标点云数据对应的第一障碍物信息和图像信息对应的第二障碍物信息；
[0009]将第一障碍物信息与第二障碍物信息进行障碍物融合，确定目标障碍物。
[0010]第二方面，本专利技术实施例提供了一种应用于车辆的障碍物检测设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式方法的步骤。
[0011]第三方面，本专利技术实施例提供了一种障碍物检测装置，包括：
[0012]点云数据确定模块，用于根据雷达传感器获取的点云数据和图像传感器采集的图像信息，确定目标点云数据；
[0013]障碍物信息确定模块，用于分别对目标点云数据和图像信息进行障碍物识别，得到目标点云数据对应的第一障碍物信息和图像信息对应的第二障碍物信息；
[0014]目标障碍物确定模块，用于将第一障碍物信息与第二障碍物信息进行障碍物融合，确定目标障碍物。
[0015]第四方面，本专利技术实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式方法的步骤。
[0016]本专利技术实施例提供一种障碍物检测方法、应用于车辆的障碍物检测设备，通过雷达传感器获取到点云数据、通过图像传感器采集到目标图像以后，将目标图像与点云数据在数据级上进行融合，确定目标点云数据，然后对目标点云数据进行障碍物识别，得到一个障碍物信息，同时对目标图像进行障碍物识别得到另一个障碍物信息，之后将第一障碍物信息和第二障碍物信息在目标级上进行融合，共同确定目标障碍物，由于图像传感器采集的目标图像不仅在目标级上辅助雷达传感器进行障碍物识别，同时还能够在数据级上辅助雷达传感器对点云数据进行判断来确定目标点云数据，并基于目标点云数据进行障碍物识别，因此得到的检测结果更加准确，提高了目标障碍物的检测精度。
附图说明
[0017]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是本专利技术实施例提供的集中式融合结构图；
[0019]图2是本专利技术实施例提供的分布式融合结构图；
[0020]图3是本专利技术实施例提供的混合式融合结构图；
[0021]图4是本专利技术实施例提供的一种障碍物检测方法的实现流程图；
[0022]图5是本专利技术实施例提供的改进的混合式融合结构图；
[0023]图6是本专利技术实施例提供的雷达、车辆与摄像头的位置关系示意图；
[0024]图7是本专利技术另一实施例提供的一种障碍物检测方法的实现流程图；
[0025]图8是本专利技术实施例提供的数据点与车辆坐标系、传感器坐标系的几何关系示意图；
[0026]图9是本专利技术实施例提供的车辆转弯的几何关系示意图；
[0027]图10是本专利技术实施例提供的数据时间同步的示意图；
[0028]图11是本专利技术实施例提供的前向雷达坐标系的示意图；
[0029]图12是本专利技术实施例提供的图像坐标系、相机坐标系和车辆坐标系的位置关系的示意图；
[0030]图13是本专利技术实施例提供的图像坐标系与像素坐标系的位置关系的示意图；
[0031]图14是本专利技术实施例提供的障碍物融合的实现流程图；
[0032]图15是本专利技术实施例提供的一种障碍物检测装置的结构示意图；
[0033]图16是本专利技术实施例提供的一种应用于车辆的障碍物检测设备的结构示意图。
具体实施方式
[0034]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。
[0035]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例
来进行说明。
[0036]自动驾驶汽车可以提供更高的安全性、生产率和交通率，将在未来城市交通系统中担任重要角色。在大多数自动驾驶场景或者辅助驾驶场景中，周围环境感知是一项至关重要的任务。单一传感器(如激光雷达、毫米波雷达、摄像头和超声波)在环境感知中存在不同的劣势，因此，多传感器融合成为提升环境感知效果的必要手段。
[0037]根据多传感器融合中的局部传感器对数据处理程度可将多传感器的融合方式进行划分，主要分为集中式、分布式和混合式。结合图1
‑
图3对上述三种融合方式进行说明，具体如下：
[0038]图1为集中式融合结构图，通过图1可知集中式是将传感器所有信息送到域控制器当中，依次进行数据关联、量测融合、目标跟踪，最终得到目标的位置和状态信息，最后进行决策。集中式的优点是数据处理的精度高，而缺点是大量数据易造成通信负载过大，对控制器处理的性能要求高。图2为分布式融合结构图，通过图2可知分布式是将每个传感器的目标观测结果在本地进行相关目标检测与跟踪处理，之后送入域控制器得到多目标跟踪的局部航迹信息。分布式优点是对通信带宽的需求低、计算速度快，而缺点是跟踪的精度远没有集中式高。图3为混合式融合结构图，通过图3可知混合式是依据对传感器数据需求的不同组成混合式结构，兼具集中式和分布式结构的优点，弥补了两者的不足。
[0039]然而，图3所示混合式融合结构中，不同类型传感器的融合，如图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种障碍物检测方法，其特征在于，包括：根据雷达传感器获取的点云数据和图像传感器采集的图像信息，确定目标点云数据；分别对所述目标点云数据和所述图像信息进行障碍物识别，得到所述目标点云数据对应的第一障碍物信息和所述图像信息对应的第二障碍物信息；将所述第一障碍物信息与所述第二障碍物信息进行障碍物融合，确定目标障碍物。2.根据权利要求1所述的方法，其特征在于，将所述第一障碍物信息与所述第二障碍物信息进行障碍物融合，确定目标障碍物，包括：分别对所述第一障碍物信息和所述第二障碍物信息进行预处理，得到雷达航迹信息和视觉航迹信息；分别将所述雷达航迹信息、所述视觉航迹信息与融合航迹信息进行关联操作，确定成功关联的融合航迹信息，其中，所述融合航迹信息通过所述雷达航迹信息或所述视觉航迹信息起始确定；将所述成功关联的融合航迹信息进行航迹状态更新，得到更新后的融合航迹信息；计算所述更新后的融合航迹信息的航迹置信度，得到所述目标障碍物。3.根据权利要求1所述的方法，其特征在于，所述根据雷达传感器获取的点云数据和图像传感器采集的图像信息，确定目标点云数据，包括：将所述点云数据和所述图像信息进行同步处理，得到同步后的点云数据和同步后的图像信息；对所述同步后的点云数据进行栅格化，得到第一栅格图，并对所述同步后的图像信息进行栅格化，得到第二栅格图；根据预设融合方法将所述第一栅格图与所述第二栅格图进行融合，得到融合栅格图；根据所述融合栅格图对所述点云数据进行修正，得到所述目标点云数据。4.根据权利要求3所述的方法，其特征在于，所述对所述同步后的点云数据进行栅格化，得到第一栅格图之前，还包括：将所述雷达传感器获取的点云数据进行动静分离，得到动态点云数据和静态点云数据；对应的，所述对所述同步后的点云数据进行栅格化，得到第一栅格图，包括：对所述雷达传感器的探测区域进行栅格化，统计各个栅格内的静态点数目，当所述栅格包含的静态点数目大于第一目标阈值时，所述栅格为占有栅格，否则所述栅格为无效栅格，并通过所述占有栅格和所述无效栅格确定所述第一栅格图。5.根据权利要求3所述的方法，其特征在于，所述根据预设融合方法将所述第一栅格图与所述第二栅格图进行融合，得到融合栅格图，包括：根据所述第一栅格图、所述第二栅格图在所述融合栅格图中所占的权重、以及所述第一栅格图、所述第二栅格图中各个栅格的占有值，依次计算融合栅格图中对应的各个栅格的目标占有值；将所述目标占有值与所述第一栅格图和所述第二栅格图的数量之和作商，依次计算融合栅格图中对应的各个栅格的平均占有值；当所述平均占有值大于第二目标阈值时，将所述融合栅格图中对应的栅格标记为占有栅格，否则标记为无效栅格，得到由所述占有栅格和无效栅格构成的融合栅格图。
6.根据权利要求4所述的方法，其特征在于，所述根据所述融合栅格图对所述点云数据进行修正，得到目标点...

【专利技术属性】
技术研发人员：薛高茹，刘诗萌，刘嵩，郭志伟，秦屹，
申请(专利权)人：森思泰克河北科技有限公司，
类型：发明
国别省市：